Методы больших данных для изучения рынка труда и связанных с ним областей

Боковая панель статьи

PDF (English)
Опубликован: сен 16, 2021
DOI: https://doi.org/10.37005/2071-9612-2020-4-147-154
Ключевые слова:
большие данные, рынок труда, машинное обучение Big Data, labour market, machine learning

Основное содержимое статьи

С. Д. Белов
Объединенный институт ядерных исследований, г. Дубна, Московская обл.
Д. Н. Джавадзаде
Объединенный институт ядерных исследований, г. Дубна, Московская обл.
И. С. Кадочников
Объединенный институт ядерных исследований, г. Дубна, Московская обл.
В. В. Кореньков
Объединенный институт ядерных исследований, г. Дубна, Московская обл.
П. В. Зрелов
Объединенный институт ядерных исследований, г. Дубна, Московская обл.

Аннотация

В данной статье рассмотрены некоторые подходы к интеллектуальному анализу текста применительно к автоматизированному мониторингу рынка труда. Описано построение аналитической системы для исследования рынка труда на основе технологий Больших Данных. Проведено сравнение комбинаций методов извлечения семантической информации об объектах и связях между ними (например, из объявлений о вакансиях) из специализированных текстов. Создана система мониторинга российского рынка труда, ведется работа по анализу рынков труда других стран. Рассмотренные подходы и методы могут быть широко использованы для извлечения знаний из больших объемов текстов.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
[1]
Belov, S., Javadzade, J., Kadochnikov, I., Korenkov, V. и Zrelov, P. 2021. Методы больших данных для изучения рынка труда и связанных с ним областей. Системный анализ в науке и образовании. 4 (сен. 2021), 1–8. DOI:https://doi.org/10.37005/2071-9612-2020-4-147-154.
Выпуск
№ 4 (2020): №4 (2020)
Раздел
Статьи

Библиографические ссылки

Dolado J. No Country For Young People? Youth Labour Market Problems in Europe. London: Centre for Economic Policy Research, 2015.

Labour Market and Wage Developments in Europe. Annual Review European Commission, 2016. https://doi.org/10.2767/232054.

From University to Employment: Higher Education Provision and Labour Market Needs In the Western Balkans. Synthesis Report. European Commission, 2016. https://doi.org/10.2766/48413.

Wolf A. Review of Vocational Education: The Wolf Report. UK Department for Education, 2011. Ref: DFE-00031-2011.

Zrelov P. Automated system of monitoring and analysis of staffing needs for the nomenclature of specialties of the university. Federalizm, 2016;4(84):63-76 (in Russ).

Mikolov T., Chen K., Corrado G., Dean J. Efficient Estimation of Word Representations in Vector Space. arXiv:1301.3781, 2013.

Efrati A. Google Gives Search a Refresh. The Wall Street Journal. Retrieved July 13, 2012.

Garcia E. M., España-Bonet C., Màrquez L. Document-Level Machine Translation with Word Vector Models. Proceedings of the 18th Annual Conference of the European Association for Machine Translation (EAMT), 2015:59-66.

Barkan O. Bayesian Neural Word Embedding. arXiv:1603.06571, 2015.

Kutuzov A., Kuzmenko E. WebVectors: A Toolkit for Building Web Interfaces for Vector Semantic Models. Analysis of Images, Social Networks and Texts. AIST 2016. Communications in Computer and Information Science, Springer, Cham, 2016; 661.

Le Q., Mikolov T. Distributed Representations of Sentences and Documents. arXiv:1405.4053, 2014.

Zrelov P., Petrosyan A., Semenov R., Filozova I., Korenkov V. Monitoring of the labour market needs for university graduates based on data-intensive analytics. Proceedings of the XVIII International Conference DAMID/RCDL'2016, October 11-14, 2016, Ershovo, Moscow Region, Russia.

Professional standards in Russia. http://profstandart.rosmintrud.ru.

Наиболее читаемые статьи этого автора (авторов)

1 2 3 > >>